模型Agent 与开发者精选10:21StoreBench：电商智能体评测环境发布StoreBench用真实电商场景测试AI智能体，DeepSeek-V4-Pro表现最好但远不及人类，Qwen3.5-27B训练后性能提升173%。#StoreBench#DeepSeek-V4-Pro#Qwen3.5-27B#智能体1 个信源在谈事件专题aarXiv: DeepSeek@Daksh Raghuvanshi 等 3 人2 个信源在谈原文稍后读已读值得跟进有用关注 StoreBench